بررسی فاکتورهای مؤثر رویشگاهی بر فراوانی قارچهای ماکروسکوپی چوبزی و تحلیل حساسیت با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: جنگل خیرود نوشهر)

یکی از مزایای شبکه عصبی مصنوعی قابلیت کاربرد آن در مدیریت و برنامه­ریزی اکوسیستم­های طبیعی است. با توجه به اینکه جنگل­های شمال ایران دارای تنوع رویشگاهی بالایی هستند و برای مدیریت آنها نیاز به شناخت اکوسیستم این جنگل­ها داریم، بررسی این موضوع که استفاده از شبکه عصبی مصنوعی تا چه حدی در کلاسه­بندی حضور و فراوانی قارچ­های ماکروسکوپی جنگل­ها مؤثر است، از اهمیت خاصی برخوردار است. بنابراین برای کسب اطلاعات در این زمینه، جنگل آموزشی و پژوهشی خیرود در نوشهر انتخاب شد و بعد از انجام جنگل‌گردشی­های مقدماتی و انتخاب قطعه‌های مورد نظر نمونه­برداری، در فصول تابستان و پاییز طی چندین برداشت در قطعه‌های 110، 207 و 311 به‌ترتیب در بخش­های پاتم، نم­خانه و گرازبن این جنگل، آماربرداری صددرصد از کلیه درختان بلندمازو و ممرز قارچ­زده انجام گردید. درمجموع، از این سه قطعه ،231 نمونه قارچ ماکروسکوپی از روی درختان ­بلندمازو و ممرز جمع­آوری گردید که 112 نمونه آنها مربوط به قارچ­های­چوب­زی بودند. نتایج این تحقیق نشان داد که شبکه عصبی مصنوعی طراحی شده، قابلیت خوبی در کلاسه­بندی فراوانی قارچ­های ماکروسکوپی درختان مورد مطالعه دارد. شبکه با دو لایه پنهان و 11 نرون در هر لایه با توجه به بیشترین مقدار ضریب تعیین، بهترین عملکرد بهینه سازی توپولوژی را نشان می­دهد. تعداد ورودی­ها برابر با 112 نمونه با 11 متغیر و تعداد خروجی­ها شامل چهار طبقه یا کلاس فراوانی قارچ است. نتایج مربوط به آنالیز حساسیت مؤلفه­های بکار برده شده به­منظور مدل­سازی در پیش‌بینی هریک از کلاسه­های قارچ با استفاده از شبکه عصبی مصنوعی نیز نشان داد که درجه پوسیدگی خشکه­دار، سلامت درخت، وضعیت درخت و ریزاقلیمی توده به‌ترتیب بیشترین تأثیر را در حضور و فراوانی قارچ­های ماکروسکوپی از خود نشان می­دهند.